MAGE : Gestion active de l'état d'exécution pour agents à long terme
En bref
- MAGE stocke les interactions dans un arbre hiérarchique pour gérer l'état d'exécution des agents.
- Le système isole les erreurs et limite la croissance du contexte pour améliorer les performances.
- MAGE réduit la consommation de tokens de 55,1% tout en augmentant le taux de réussite de 7,8 à 20,4 points.
Des chercheurs proposent MAGE, un système de mémoire pour agents basés sur LLM qui gère l'état d'exécution sous forme d'arbre hiérarchique. Contrairement aux méthodes existantes, MAGE isole les erreurs et limite la croissance du contexte, améliorant les performances et réduisant les coûts.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur